基于Zernike矩的字符特征选择

对从工业现场提取的15类字符分别计算从2阶到14阶的Zernike矩模值,根据类内距离极小化和类间距离极大化的判别标准对Zernike矩特征值进行分析,最终选择出18个Zernike矩进行进一步归一化后作为字符特征输入到神经网络字符识别系统.实验表明,该组特征对旋转字符的正确识别率达99%.该方法选择字符的输入模式特征对旋转字符具有较高的识别率并可广泛应用于其它需要识别旋转图形的特征选择.